System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及煤矿智能化,尤其涉及一种煤矿井下运输系统异物侵入的识别方法。
技术介绍
1、刮板输送机、皮带运输机等煤矿井下大型运输系统是矿山采煤工作面煤炭运输的关键机械设备,它们在井下煤炭运输中扮演重要角色,负责运输和转移煤炭。随着煤炭资源的开采利用和煤炭生产效率的提高,煤炭行业对运输系统的要求也不断提升,包括强度、载煤重量和正常运行等方面。保障运输系统安全、健康和高效运行对于煤炭开采和井下运输过程至关重要。煤矿井下运输系统遭受异物入侵时,异物会进入运输系统的关键部件,如链条、皮带、托辊等,导致其磨损加剧或加速损坏,影响设备的正常运行;异物的存在可能导致运输系统发生堵塞、卡住或打滑等故障,造成煤炭运输中断,影响生产效率;可能会引发摩擦、火花或甚至引起火灾爆炸等安全事故,危及工人的生命安全和矿山生产的稳定性;由于异物入侵导致的故障和停工,可能会导致生产延误和经济损失,影响矿山的运营效益。因此,及时发现和清除运输系统中的异物,以及加强对运输系统的监控和维护工作,对于确保煤矿井下运输的安全和高效运行至关重要。
2、目前对侵入煤矿井下运输系统的异物通常通过现成的分类模型进行识别,即直接将采集到的运行图像输入分类模型来识别异物,这种方式识别准确率低,容易出现误报和漏报。
技术实现思路
1、为解决上述技术问题,本专利技术提供一种煤矿井下运输系统异物侵入的识别方法。本专利技术的技术方案如下:
2、一种煤矿井下运输系统异物侵入的识别方法,其包括:
3、s1,获取
4、s2,对所述待检测图像进行去抖动处理,得到目标图像;
5、s3,将所述目标图像输入预先训练好的ca-yolov5异物侵入识别模型,所述ca-yolov5异物侵入识别模型包括依次连接的输入网络、主干网络、注意力机制网络、颈部网络和输出网络;
6、s4,通过所述输入网络、主干网络、注意力机制网络、颈部网络和输出网络对所述目标图像进行识别,根据所述ca-yolov5异物侵入识别模型的输出结果确定煤矿井下运输系统是否有异物侵入,且如果有异物侵入,则确定异物类别、异物位置和异物尺寸。
7、可选地,所述s3在将所述目标图像输入预先训练好的ca-yolov5异物侵入识别模型之前,还包括:
8、s31,使用部署于采煤工作面液压支架上或者运输巷道顶部的工业高清摄像仪采集异物入侵煤矿井下运输系统的多张原始图像;
9、s32,对每张原始图像进行去抖动处理和图像增强处理,得到多张样本图像;
10、s33,标注每张样本图像中的异物类别、异物位置和异物尺寸,得到训练ca-yolov5异物侵入识别模型的训练集和测试集;
11、s34,通过所述训练集训练所述ca-yolov5异物侵入识别模型,直至所述ca-yolov5异物侵入识别模型的损失值趋于收敛时停止训练,并通过所述测试集测试损失值收敛时的ca-yolov5异物侵入识别模型,且当测试合格时得到训练好的ca-yolov5异物侵入识别模型。
12、可选地,所述s4在通过所述输入网络、主干网络、注意力机制网络、颈部网络和输出网络对所述目标图像进行识别时,包括:
13、s41,通过输入网络将所述目标图像调整为满足所述ca-yolov5异物侵入识别模型输入要求的输入图像;
14、s42,通过主干网络提取输入图像的全局特征信息;
15、s43,通过注意力机制网络从全局特征信息中提取关键特征信息;
16、s44,通过颈部网络对全局特征信息和关键特征信息进行特征融合和降维,得到融合特征;
17、s45,通过输出网络对所述融合特征进行计算,输出目标类别置信度、目标边界框及目标边界框的坐标。
18、可选地,所述s43在通过注意力机制网络从全局特征信息中提取关键特征信息时,包括:
19、s431,将全局特征信息在宽度和高度两个方向分别进行全局平均池化,分别获得宽度方向特征图和高度方向特征图;
20、s432,将宽度方向特征图和高度方向特征图合并后,依次通过卷积操作、标准化操作和激活函数计算,得到合并特征;
21、s433,将合并特征再次分开为高度特征和宽度特征;
22、s434,调整高度特征和宽度特征的通道数后计算激活函数值,得到宽高维度上的注意力情况;
23、s435,将所述宽高维度上的注意力情况乘以全局特征信息,得到关键特征信息。
24、可选地,所述s4在根据所述ca-yolov5异物侵入识别模型的输出结果确定煤矿井下运输系统有异物侵入之后,还包括:
25、s5,输出异物侵入报警信息。
26、可选地,所述s2在对所述待检测图像进行去抖动处理时,通过图像特征匹配技术实现。
27、上述所有可选技术方案均可任意组合,本专利技术不对一一组合后的结构进行详细说明。
28、借由上述方案,本专利技术的有益效果如下:
29、通过对待检测图像进行去抖动处理得到目标图像后,通过ca-yolov5异物侵入识别模型对目标图像进行识别,不仅能够降低液压支架移动、采煤等生产行为产生的震动对原始图像造成的不良影响,从而提高识别准确性,而且通过引入注意力机制网络,更容易提取目标图像中的关键特征信息,进一步提高了识别方法的识别效率和准确性,从而能够减少煤矿井下运输系统事故的发生、提高煤矿整体安全程度和煤炭产量。
30、上述说明仅是本专利技术技术方案的概述,为了能够更清楚了解本专利技术的技术手段,并可依照说明书的内容予以实施,以下以本专利技术的较佳实施例并配合附图详细说明如后。
本文档来自技高网...【技术保护点】
1.一种煤矿井下运输系统异物侵入的识别方法,其特征在于,包括:
2.根据权利要求1所述的煤矿井下运输系统异物侵入的识别方法,其特征在于,所述S3在将所述目标图像输入预先训练好的CA-YOLOv5异物侵入识别模型之前,还包括:
3.根据权利要求1所述的煤矿井下运输系统异物侵入的识别方法,其特征在于,所述S4在通过所述输入网络、主干网络、注意力机制网络、颈部网络和输出网络对所述目标图像进行识别时,包括:
4.根据权利要求3所述的煤矿井下运输系统异物侵入的识别方法,其特征在于,所述S43在通过注意力机制网络从全局特征信息中提取关键特征信息时,包括:
5.根据权利要求1所述的煤矿井下运输系统异物侵入的识别方法,其特征在于,所述S4在根据所述CA-YOLOv5异物侵入识别模型的输出结果确定煤矿井下运输系统有异物侵入之后,还包括:
6.根据权利要求1所述的煤矿井下运输系统异物侵入的识别方法,其特征在于,所述S2在对所述待检测图像进行去抖动处理时,通过图像特征匹配技术实现。
【技术特征摘要】
1.一种煤矿井下运输系统异物侵入的识别方法,其特征在于,包括:
2.根据权利要求1所述的煤矿井下运输系统异物侵入的识别方法,其特征在于,所述s3在将所述目标图像输入预先训练好的ca-yolov5异物侵入识别模型之前,还包括:
3.根据权利要求1所述的煤矿井下运输系统异物侵入的识别方法,其特征在于,所述s4在通过所述输入网络、主干网络、注意力机制网络、颈部网络和输出网络对所述目标图像进行识别时,包括:
4.根据权利要求3所述的煤...
【专利技术属性】
技术研发人员:金智新,史凌凯,耿毅德,王宏伟,付翔,王浩然,闫志蕊,王洪利,梁威,刘通,
申请(专利权)人:太原理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。